如何按每x行拆分DataFrame？附示例数据结构

嘿，针对你要按每x行拆分DataFrame的需求，我给你整理了几种简单好用的实现方案，先确认你的示例DataFrame可以这样构造：

import pandas as pd

data = {
    'Date': ['2015-06-19 20:00:00', '2015-06-19 21:00:00', '2015-06-19 22:00:00', '2015-06-19 23:00:00',
             '2015-06-22 01:00:00', '2015-06-22 02:00:00', '2015-06-22 03:00:00', '2015-06-22 04:00:00'],
    'Open': [1201.60, 1202.13, 1200.88, 1201.06, 1200.57, 1198.94, 1199.34, 1199.74],
    'High': [1202.84, 1202.50, 1201.55, 1201.26, 1201.48, 1199.79, 1200.05, 1200.34],
    'Low': [1201.55, 1200.84, 1200.61, 1200.02, 1197.04, 1198.49, 1198.64, 1199.14],
    'Close': [1202.13, 1200.88, 1201.06, 1200.57, 1198.94, 1199.34, 1199.74, 1199.66]
}
df = pd.DataFrame(data)

方法1：用numpy.array_split一键拆分 #

这是最省心的方法，自动处理最后一组行数不足x的情况，不需要额外判断：

import numpy as np

x = 2  # 替换成你想要的每组分行数
split_dfs = np.array_split(df, len(df) // x if len(df) % x == 0 else len(df) // x + 1)

# 遍历查看拆分后的每个DataFrame
for i, split_df in enumerate(split_dfs):
    print(f"第{i+1}组DataFrame:")
    print(split_df)
    print("---")

比如你的示例有8行，若x=3，会自动分成3组：3行、3行、2行，完全不用操心边界问题。

方法2：Pandas原生groupby分组 #

如果不想导入numpy，用Pandas的分组功能也能实现，通过行索引构造分组键：

x = 2
# 用索引除以x取整作为分组依据，每x行会被分到同一组
split_dfs = [group for _, group in df.groupby(df.index // x)]

# 输出结果
for idx, group in enumerate(split_dfs):
    print(f"分组 {idx+1}:")
    print(group)

这种方法纯Pandas操作，逻辑也很清晰，适合习惯用Pandas生态的场景。

方法3：手动循环切片（新手友好） #

要是你喜欢直观的手动实现，循环切片的方式一看就懂：

x = 2
split_dfs = []
# 从0开始，每次跳x行取切片
for i in range(0, len(df), x):
    split_dfs.append(df.iloc[i:i+x])

# 查看拆分结果
for num, part in enumerate(split_dfs):
    print(f"第{num+1}部分:")
    print(part)

这个方法没有复杂的函数调用，完全靠基础的切片逻辑，新手也能快速理解并修改。

内容的提问来源于stack exchange，提问作者Don Coder